Sélectionner un thème dans la liste

Estimation et erreur standard de l’estimation

Les résultats publiés dans les tableaux IFN sont des estimations portant sur des paramètres de la forêt suisse (paramètres de population) dont les valeurs réelles ne sont pas connues et qui sont donc extrapolées (estimées) à partir des données de l’échantillon de l’IFN. Les extrapolations contiennent des incertitudes. Cependant, la précision de l’extrapolation opérée à partir de l’échantillon aléatoire de l’IFN peut être estimée de façon fiable. Pour ce faire, tous les tableaux IFN indiquent une seconde valeur à côté de l’estimation: l’erreur standard de l’estimation.

La plupart des tableaux indiquent l’erreur standard relative (« ±% »), mais parfois, surtout pour les pourcentages estimés, c’est l’erreur standard absolue (« ± ») qui est indiquée. Le rapport entre l’erreur standard absolue et relative est le suivant:

erreur standard relative = erreur standard absolue / estimation x 100

erreur standard absolue = erreur standard relative × estimation / 100

Les données sur la desserte sont issues d’un recensement complet des routes forestières. Dans ce cas, il n’est pas nécessaire d’indiquer d’erreur standard puisqu’il n’existe pas d’incertitude liée à l’échantillonnage.

Intervalle de confiance de l’estimation

À l’aide de l’estimation et de son erreur standard, il est possible de calculer l’intervalle de confiance de l’estimation en indiquant:

sa limite inférieure
estimation - tQ × erreur standard absolue

et sa limite supérieure
estimation + tQ × erreur standard absolue

Si le calcul se fait avec l’erreur standard simple (tQ = 1), on obtient l’«intervalle de confiance à 68%». On peut alors admettre que la valeur réelle du paramètre de la population se situe avec une probabilité de 68% dans cet intervalle de confiance. Si l’on utilise l’erreur standard double pour le calcul (tQ = 2), la valeur réelle du paramètre se situe avec une probabilité de 95% dans l’intervalle de confiance, à savoir l’«intervalle de confiance à 95%».

Significativité de l’estimation

L’intervalle de confiance permet d’examiner statistiquement si le paramètre de population estimé est plus grand ou plus petit qu’une certaine valeur de référence, respectivement si deux paramètres de population estimés se distinguent effectivement (dans la population réelle). Dans la pratique, le processus adopté est le suivant: lorsqu’une valeur de référence est située hors de l’intervalle de confiance, on admet que la valeur estimée pour la population se distingue significativement de la référence; si la valeur de référence se situe à l’intérieur de l’intervalle, on interprète la différence entre valeur estimée et valeur de référence comme aléatoire et donc non significative. Pour comparer deux paramètres de population, on considère qu’ils se distinguent de façon significative lorsque leurs intervalles de confiances ne se superposent pas.

Traitement de valeurs manquantes

Lors du calcul des résultats, on ne dispose pas toujours de données pour toutes les combinaisons de catégories des variables de classification et du découpage régional^*. Cela indique dans la plupart des cas que le paramètre estimé à l’aide de la variable cible n’apparaît pas ou seulement très rarement. Généralement, on introduit (« impute ») alors la valeur 0. Mais comme cette valeur n’est pas issue de mesures directes, l’erreur standard correspondante est représentée par un point [.]. Lorsqu’on se réfère à la valeur supposée de 0 lors d’un calcul, par exemple pour indiquer des pourcentages ou certaines estimations de changements, il n’est pas possible d’indiquer une valeur. Dans ce cas, on introduit un point [.] pour la valeur estimée et l’erreur standard.

Par exemple, on n’a jusqu’ici ni trouvé ni mesuré d’arole sur le Plateau (volume des aroles selon les régions de production). On peut donc admettre que si les valeurs manquent, c’est que l’arole n’est effectivement pas présent dans cette région et que son volume doit y être de 0.

^* p. ex. combinaison de la catégorie « arole» de la variable de classification « essence » et de la catégorie « Plateau » du découpage régional

Changements

L’IFN distingue deux types de changements:

Le premier concerne des variables cibles spécifiques pour des composantes de changement telles que l’accroissement, l’exploitation, la mortalité ou les disparitions. Ces variables cibles ne sont disponibles que pour deux cycles d’inventaires successifs, p. ex. IFN3-IFN4. Lors de leur évaluation, la catégorie de la variable de classification du second cycle d'inventaire est attribuée à celle du premier cycle d'inventaire. Ces évaluations ne tiennent donc pas compte du changement de la catégorie d’un inventaire à l'autre (p. ex. de la propriété privée à la propriété publique).

Pour le second type de changements, on utilise les différences de variables cibles telles que le nombre de tiges, le volume sur pied ou la surface forestière afin d’établir un bilan du changement entre deux cycles d’inventaire. Ces variables cibles sont habituellement utilisées pour représenter des états, p. ex. dans l’IFN4, mais peuvent aussi révéler les changements entre deux inventaires quels qu’ils soient, p. ex. LFI1-LFI4. Lors de leur évaluation, on tient compte du changement d’une catégorie de la variable de classification. Ainsi, il est possible de constater p. ex. que la surface de la forêt sans la forêt buissonnante a augmenté. Cela n’a d’effet que pour les variables de classification qui peuvent effectivement changer de caractéristiques, p. ex. l’appartenance à la surface forestière ou l’état de l’arbre.

IFN4
nombre de tiges
âge des arbres (classes de 40 ans) · résineux et feuillus
découpage régional: canton
unité: 1000 n
ensemble analysé: forêt accessible sans la forêt buissonnante
réseau: réseau 1,4 km
état 2009/17
		canton
		AG		AI		AR		BE		BL/BS		FR		GE		GL		GR		JU		LU		NE		NW		OW		SG		SH		SO		SZ		TG		TI		UR		VD		VS		ZG		ZH		Suisse
âge des arbres (classes de 40 ans)	résineux et feuillus	1000 n	±%	1000 n	±%	1000 n	±%	1000 n	±%	1000 n	±%	1000 n	±%	1000 n	±%	1000 n	±%	1000 n	±%	1000 n	±%	1000 n	±%	1000 n	±%	1000 n	±%	1000 n	±%	1000 n	±%	1000 n	±%	1000 n	±%	1000 n	±%	1000 n	±%	1000 n	±%	1000 n	±%	1000 n	±%	1000 n	±%	1000 n	±%	1000 n	±%	1000 n	±%
pas d'indication	pas d'indication	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.
	résineux	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	125	74	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	9	100	0	0	0	0	41	50	0	0	0	0	175	54
	feuillus	0	0	0	0	0	0	0	0	9	100	0	0	0	0	0	0	10	100	0	0	11	100	0	0	0	0	9	100	0	0	0	0	0	0	0	0	20	100	76	65	10	100	10	100	0	0	0	0	0	0	155	38
	indéterminable	0	.	0	.	0	0	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	0	0	.	0	0	0	.	0	.	0	.	0	.	0	.	0	.	0	0	0	.	0	0
	total	0	0	0	0	0	0	0	0	9	100	0	0	0	0	0	0	135	69	0	0	11	100	0	0	0	0	9	100	0	0	0	0	0	0	0	0	20	100	86	59	10	100	10	100	41	50	0	0	0	0	330	34
=40 ans	pas d'indication	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.
	résineux	2961	18	369	53	816	43	9858	9	574	40	2834	19	10	100	623	26	11288	10	2616	18	4287	16	1927	28	121	39	1330	29	2711	19	989	37	1139	25	1586	21	2175	26	2732	16	773	28	5991	13	5151	13	770	37	3233	20	66861	4
	feuillus	4620	15	372	71	422	30	8719	8	1274	19	2576	17	137	54	1259	24	6733	12	1964	18	1703	16	1487	20	485	46	745	26	3862	14	672	39	2344	17	2084	22	2443	16	13687	8	1167	32	6046	10	5211	12	334	36	3960	12	74306	3
	indéterminable	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.
	total	7581	13	741	47	1238	32	18577	7	1848	20	5410	14	147	53	1882	20	18021	8	4580	15	5990	13	3414	19	606	38	2075	23	6573	13	1661	29	3483	15	3670	17	4618	16	16418	7	1940	25	12037	9	10362	9	1104	30	7193	12	141168	2
41-80 ans	pas d'indication	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.
	résineux	1961	20	747	33	723	35	17328	6	811	20	4668	15	50	100	1338	22	23156	6	2419	14	4692	12	3127	13	1296	37	3273	20	5250	13	335	34	1961	17	2815	14	2027	24	7040	10	2379	18	8046	10	16278	7	634	31	2777	15	115133	2
	feuillus	4065	13	295	39	601	31	12822	7	2269	16	3342	15	390	39	1083	20	5565	13	3831	13	3614	14	1889	15	710	31	1346	23	5023	12	1502	21	3102	14	2262	18	1597	18	25710	6	1032	27	9427	9	6418	12	226	31	3017	12	101138	3
	indéterminable	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.
	total	6026	11	1043	29	1324	26	30150	5	3080	14	8010	11	440	40	2422	17	28722	6	6250	11	8306	11	5016	11	2006	28	4619	17	10273	10	1837	19	5063	13	5077	13	3624	16	32750	5	3412	17	17473	8	22696	7	860	26	5794	10	216271	2
81-120 ans	pas d'indication	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.
	résineux	822	17	720	26	962	23	9039	7	330	24	2451	16	8	71	735	27	13138	6	1557	15	2261	13	1543	14	219	44	1339	21	3075	12	391	26	965	18	1924	18	466	26	2426	13	1085	23	3776	10	7127	8	332	35	1781	12	58472	3
	feuillus	1409	13	113	38	429	30	3822	10	1188	21	1117	17	78	61	578	30	553	22	1568	16	684	17	677	18	213	34	482	42	2188	15	711	25	1978	15	545	21	668	20	2204	12	122	34	2656	12	254	30	129	41	1557	13	25922	3
	indéterminable	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.
	total	2231	11	834	25	1391	21	12861	6	1518	19	3568	13	86	58	1313	24	13691	6	3125	12	2945	11	2220	12	433	29	1821	19	5262	10	1102	23	2943	13	2469	15	1133	18	4630	9	1207	21	6433	8	7381	8	461	30	3338	10	84395	2
121-160 ans	pas d'indication	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.
	résineux	272	29	186	44	239	44	5013	8	152	45	482	23	0	.	640	35	8198	7	517	22	1039	20	944	16	131	47	953	19	1545	14	98	47	349	27	813	17	132	41	1641	13	612	31	2680	11	5238	9	55	43	353	26	32283	3
	feuillus	271	24	29	57	41	45	761	16	324	28	97	41	8	71	112	40	284	31	218	27	172	31	133	36	0	.	182	46	227	23	112	35	357	22	166	33	84	44	601	17	20	64	604	19	37	57	5	100	217	23	5062	6
	indéterminable	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.
	total	543	21	215	40	280	38	5774	8	477	25	579	21	8	71	752	31	8483	7	735	19	1211	18	1077	15	131	47	1135	19	1771	13	210	37	706	19	979	17	216	34	2242	11	632	30	3283	10	5276	9	60	40	570	20	37345	3
>160 ans	pas d'indication	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.
	résineux	21	83	54	73	26	60	1875	12	0	.	115	39	0	.	301	37	5582	8	41	40	80	34	155	30	33	78	404	25	576	26	48	85	4	100	336	32	0	.	1200	11	507	34	1109	15	4152	9	4	100	26	54	16648	4
	feuillus	47	39	0	.	0	.	63	32	52	88	24	63	0	.	56	48	39	40	12	74	0	.	4	100	4	100	4	100	24	60	4	100	60	86	10	73	0	.	295	23	9	71	85	36	25	52	0	.	4	100	821	14
	indéterminable	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.
	total	68	41	54	73	26	60	1938	12	52	88	139	35	0	.	356	33	5621	8	52	40	80	34	159	30	36	80	408	25	600	25	52	80	64	87	347	32	0	.	1495	10	516	34	1194	14	4177	9	4	100	30	49	17469	4
total	pas d'indication	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.
	résineux	6038	12	2077	22	2766	20	43113	4	1868	18	10549	10	68	76	3637	16	61487	4	7150	10	12358	9	7696	11	1800	30	7299	14	13156	9	1862	22	4418	13	7475	10	4799	16	15049	7	5356	14	21602	7	37987	5	1795	24	8171	10	289574	1
	feuillus	10412	9	810	39	1493	23	26187	6	5116	12	7158	11	613	36	3087	16	13185	9	7592	10	6184	11	4190	12	1412	27	2769	19	11323	9	3001	17	7841	10	5067	14	4812	12	42572	4	2360	22	18828	7	11946	9	693	27	8755	8	207404	2
	indéterminable	0	.	0	.	0	0	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	0	0	.	0	0	0	.	0	.	0	.	0	.	0	.	0	.	0	0	0	.	0	0
	total	16450	8	2886	21	4259	17	69300	4	6984	11	17706	8	681	36	6724	13	74671	4	14742	8	18542	8	11886	9	3212	22	10067	12	24479	7	4863	15	12260	9	12542	10	9611	11	57621	4	7716	13	40430	5	49933	5	2489	21	16926	7	496978	1

Table citation

Abegg, M.; Ahles, P.; Allgaier Leuch, B.; Cioldi, F.; Didion, M.; Düggelin, C.; Fischer, C.; Herold, A.; Meile, R.; Rohner, B.; Rösler, E.; Speich, S.; Temperli, C.; Traub, B.,
2023: Swiss national forest inventory - Result table No. 1303925. Birmensdorf, Swiss Federal Research Institute WSL

page précedente